应用程序的搜索方法、装置、设备、存储介质及程序产品

技术领域

本发明涉及人工智能技术领域，尤其涉及一种应用程序的搜索方法、装置，终端设备、存储介质以及计算机程序产品。

背景技术

伴随着智能科技的飞速发展，应用在智能终端上的应用程序产品已经越来越多，例如，众多平台的在线应用市场中就存在海量的应用程序产品供用户选择和下载使用。

由于供用户选择的应用程序产品非常多，因此设计开发针对应用程序产品进行查询搜索的方式，便于用户准确查询到自己想要的应用程序就显得非常必要。现有主流的应用程序搜索方式通常是在仅基于关键字匹配到多个待选应用程序后即将该多个待选应用程序排序输出，以供用户在该多个待选应用程序中再次查找并确认下载。然而，由于应用市场中对于应用程序产品的描述通常是非正式的和非结构化的，如此，仅基于关键字在海量应用程序中来匹配搜索到的待选应用程序仍然非常多，用户需要再耗费大量时间来人为进行查找，并且在就关键字匹配得到的大量待选应用程序中还常常会出现不存在用户实际想要搜索的应用程序。

综上，现有的应用程序搜索方式仅基于关键字匹配后即输出，需要用户耗费时间进一步人为进行查找，导致应用程序搜索效率低下。

发明内容

本发明的主要目的在于提供一种应用程序的搜索方法、装置、终端设备及存储介质，旨在解决现有技术中应用程序搜索方式仅基于关键字匹配后即输出，需要用户耗费大量时间进一步人为进行查找，导致应用程序搜索效率低下的技术问题。

为实现上述目的，本发明提供一种应用程序的搜索方法，所述应用程序的搜索方法包括：

根据应用程序查询数据搜索得到各待选应用程序并获取各所述待选应用程序的质量打分；

调用预设的主题模型分析各所述待选应用的主题分布，其中，所述主题模型基于预设应用程序信息训练得到；

根据所述主题分布计算各所述待选应用程序的主题打分，并根据所述质量打分和所述主题打分确定各所述待选应用程序的应用程序排序；

按照所述应用程序排序输出各所述待选应用程序。

进一步地，在所述根据应用程序查询数据搜索得到各待选应用程序并获取各所述待选应用程序的质量打分的步骤之前，所述方法还包括：

接收查询语音并调用预设的语音识别系统针对所述查询语音进行识别以得到应用程序查询数据。

进一步地，所述预设应用程序信息包括：应用程序的标题信息、类别信息和描述信息，所述应用程序的搜索方法，还包括：

调用预设爬虫程序获取应用程序的所述标题信息、类别信息和描述信息，并利用所述标题信息、类别信息和描述信息训练得到用于分析应用程序主题分布的主题模型。

进一步地，所述应用程序的搜索方法，还包括：

根据所述标题信息、类别信息和所述描述信息针对所述语音识别系统进行调优操作。

进一步地，所述根据所述主题分布计算各所述待选应用程序的主题打分的步骤，包括：

根据所述主题分布确定所述待选应用程序的主题与所述应用程序查询数据之间的语义相似度；

基于所述语义相似度计算所述待选应用程序的主题打分。

进一步地，所述根据所述质量打分和所述主题打分确定各所述待选应用程序的应用程序排序的步骤，包括：

基于将所述待选应用程序的所述质量打分和所述主题打分，分别乘以质量权重和主题权重后再相加得到所述待选应用程序的需求适配打分；

根据各所述需求适配打分的大小关系确定各所述待选应用程序的应用程序排序。

此外，为实现上述目的，本发明还提供一种应用程序的搜索装置，本发明应用程序的搜索装置包括：

搜索模块，用于根据应用程序查询数据搜索得到各待选应用程序并获取各所述待选应用程序的质量打分；

主题分析模块，用于调用预设的主题模型分析各所述待选应用的主题分布，其中，所述主题模型基于预设应用程序信息训练得到；

排序确定模块，用于根据所述主题分布计算各所述待选应用程序的主题打分，并根据所述质量打分和所述主题打分确定各所述待选应用程序的应用程序排序；

输出模块，用于按照所述应用程序排序输出各所述待选应用程序。

本发明应用程序的搜索装置的各个功能模块在运行时，实现如上述中的应用程序的搜索方法的步骤。

此外，为实现上述目的，本发明还提供一种终端设备，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的应用程序的搜索程序，所述应用程序的搜索程序被所述处理器执行时实现如上述中的应用程序的搜索方法的步骤。

此外，为实现上述目的，本发明还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的应用程序的搜索方法的步骤。

本发明提出的应用程序的搜索方法、装置，终端设备、存储介质以及计算机程序产品，通过根据应用程序查询数据搜索得到各待选应用程序并获取各所述待选应用程序的质量打分；调用预设的主题模型分析各所述待选应用的主题分布，其中，所述主题模型基于预设应用程序信息训练得到；根据所述主题分布计算各所述待选应用程序的主题打分，并根据所述质量打分和所述主题打分确定各所述待选应用程序的应用程序排序；按照所述应用程序排序输出各所述待选应用程序。

本发明在进行应用程序搜索时，首先根据接收到的应用程序查询数据从应用市场搜索得到各个待选应用程序，并同时从该应用市场获取得到该各个待选应用程序各自的质量打分，然后，调用预先通过应用程序信息训练得到的主题模型来分析该各个待选应用程序各自的主题分布，并根据该主题分布分布计算各个待选应用程序各自的主题打分，再然后，利用各个待选应用程序各自的质量打分以及主题打分，确定出该各个待选应用程序的应用程序排序，最后，按照该应用程序排序输出该各个待选应用程序以供用户进行最终选择。

本发明相比于现有仅在基于关键字匹配搜索应用程序后即输出该应用程序的方式，通过在基于查询数据搜索得到多个待选应用程序之后，进一步分析该各个待选应用程序的主题分布以计算主题打分，并利用该主题打分和待选应用程序的质量打分来生成多个待选应用程序的应用程序排序，如此，能够实现将与用户所输入查询数据匹配程度越高的应用程序越靠前排列，从而在按照排序输出该各个待选应用程序之后，无需用户再另外耗费大量的时间人为进行所需应用的查找，有效提升了应用程序搜索的准确性和搜索效率。

附图说明

图1是本发明实施例方案涉及终端设备的硬件运行的结构示意图；

图2是本发明一种应用程序的搜索方法一实施例的流程示意图；

图3是本发明一种应用程序的搜索方法一实施例中所涉及的流程架构示意图；

图4是本发明一种应用程序的搜索方法一实施例中所涉及的另一流程架构示意图；

图5是本发明一种应用程序的搜索装置的模块结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1是本发明实施例方案涉及终端设备的硬件运行环境的结构示意图。

需要说明的是，图1即可为终端设备的硬件运行环境的结构示意图。本发明实施例终端设备可以是PC，便携计算机等终端设备。

如图1所示，该终端设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的终端设备结构并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及分布式任务的处理程序。其中，操作系统是管理和控制样本终端设备硬件和软件资源的程序，支持分布式任务的处理程序以及其它软件或程序的运行。

在图1所示的终端设备中，用户接口1003主要用于与各个终端进行数据通信；网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；而处理器1001可以用于调用存储器1005中存储的应用程序的搜索程序，并执行以下操作：

根据应用程序查询数据搜索得到各待选应用程序并获取各所述待选应用程序的质量打分；

调用预设的主题模型分析各所述待选应用的主题分布，其中，所述主题模型基于预设应用程序信息训练得到；

根据所述主题分布计算各所述待选应用程序的主题打分，并根据所述质量打分和所述主题打分确定各所述待选应用程序的应用程序排序；

按照所述应用程序排序输出各所述待选应用程序。

进一步地，处理器1001可以调用存储器1005中存储的应用程序的搜索程序，在执行根据应用程序查询数据搜索得到各待选应用程序并获取各所述待选应用程序的质量打分之前，还执行以下操作：

接收查询语音并调用预设的语音识别系统针对所述查询语音进行识别以得到应用程序查询数据。

进一步地，所述预设应用程序信息包括：应用程序的标题信息、类别信息和描述信息，处理器1001可以调用存储器1005中存储的应用程序的搜索程序，还执行以下操作：

调用预设爬虫程序获取应用程序的所述标题信息、类别信息和描述信息，并利用所述标题信息、类别信息和描述信息训练得到用于分析应用程序主题分布的主题模型。

进一步地，处理器1001可以调用存储器1005中存储的应用程序的搜索程序，还执行以下操作：

根据所述标题信息、类别信息和所述描述信息针对所述语音识别系统进行调优操作。

进一步地，处理器1001可以调用存储器1005中存储的应用程序的搜索程序，还执行以下操作：

根据所述主题分布确定所述待选应用程序的主题与所述应用程序查询数据之间的语义相似度；

基于所述语义相似度计算所述待选应用程序的主题打分。

进一步地，处理器1001可以调用存储器1005中存储的应用程序的搜索程序，还执行以下操作：

基于将所述待选应用程序的所述质量打分和所述主题打分，分别乘以质量权重和主题权重后再相加得到所述待选应用程序的需求适配打分；

根据各所述需求适配打分的大小关系确定各所述待选应用程序的应用程序排序。

基于上述的结构，提出本发明应用程序的搜索方法的各个实施例。

请参照图2，图2为本发明应用程序的搜索方法第一实施例的流程示意图。

本发明实施例提供了应用程序的搜索方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本发明实施例应用程序的搜索方法应用于终端设备，本发明实施例终端设备可以是PC，便携计算机等终端设备，在此不做具体限制。

本实施例应用程序的搜索方法包括：

步骤S100，根据应用程序查询数据搜索得到各待选应用程序并获取各所述待选应用程序的质量打分；

在本实施例中，终端设备通过接收用户输入的应用程序查询数据，并根据该应用程序查询数据搜索得到与该应用程序查询数据相匹配的多个待选应用程序，并且，在查询到多个待选应用程序之后，终端设备进一步获取该待选应用程序的质量打分。

需要说明的是，在本实施例中，质量打分即为时下应用市场中基于用户针对应用程序的综合评价而给出的评分。具体地，例如，截止2020年12月华为应用市场中统计到有4.6万用户针对“微博”这一应用程序的综合评分为“4.2”分。此外，在本实施例中，应用程序查询数据为基于接收用户语音输入的查询语音，然后针对该查询语音进行识别后得到的查询文本。应当理解的是，基于实际应用的不同设计需要，在其它可行的实施方式当中，终端设备当然也可以通过前端输出的用户图形界面接收用户手动触按实体或者虚拟键盘来输入的查询文本，本发明应用程序的搜索方法并不针对该应用程序查询数据的具体接收方式进行限定。

在一种可行的实施例中，在上述步骤S100之前，本发明应用程序的搜索方法，还可以包括：

步骤A，接收查询语音并调用预设的语音识别系统针对所述查询语音进行识别以得到应用程序查询数据。

需要说明的是，在本实施例中，预设的语音识别系统为终端设备内置在本地的语音识别系统，或者，该预设的语音识别系统为终端设备外接其它云平台的第三方的语音识别系统。此外，该语音识别系统在被终端设备调用针对语音进行识别之前，还基于终端设备传递的应用程序的标题信息、类别信息和描述信息进行了调优操作。应当理解的是，本发明实施例所涉及的语音识别系统能够独立的针对语音数据进行识别分析后，将该语音数据转换成为准确的文本数据，本发明应用程序的搜索方法并不针对该语音识别系统通过识别分析将语音转换成为文本的具体内容进行限定。

在本实施例中，终端设备通过接收用户的查询语音，然后将该查询语音传递至语音识别系统，由该语音识别系统针对该查询语音进行识别分析从而将该查询语音转换成为查询文本并反馈给终端设备，终端设备即将该查询文本作为用户当前需要进行应用程序搜索时输入的应用程序查询数据。

具体地，例如，请参照如图3所示的本发明实施例在应用阶段的流程架构，终端设备在被用户控制进入应用程序搜索状态时，通过内置的麦克风装置接收用户语音输入的查询语音—“用户语音query(查询)”，然后，终端设备将该查询语音—“用户语音query”传递给内置或者外接的已经在训练阶段经过调优操作之后的语音识别系统，由该语音识别系统识别分析该查询语音—“用户语音query”，以将该查询语音—“用户语音query”转译成为查询文本—“用户文本query”，再然后，终端设备将该查询文本—“用户文本query”作为应用程序查询数据，并基于内置用户搜索应用程序的搜索模块，直接按照该应用程序查询数据—“用户文本query”，从应用市场当中查找得到一些与该“用户文本query”相近的应用程序APP(Application，应用程序)作为待选应用程序，并且，终端设备可以按照搜索模块查找得到的该待选应用程序与该应用程序查询数据—“用户文本query”之间的关键字匹配程序，生成该多个待选应用程序的APP初始排序，最后，终端设备在应用市场中通过爬取该多个待选应用程序各自的APP质量信息，从而爬取得到该应用程序APP在当前时刻的质量打分。

在本实施例中，终端设备在基于用户操作进行应用程序搜索时，通过接收用户语音输入的查询语音，如此，可以使用户在终端设备进入应用程序搜索状态之后，仅需要输入查询相关的语音内容，突破了用户须手动输入查询内容的局限，提升了用户进行应用程序搜索的操作简便性。

步骤S200，调用预设的主题模型分析各所述待选应用的主题分布，其中，所述主题模型基于预设应用程序信息训练得到；

需要说明的是，在本实施例中，预设的主题模型为终端设备在用户进行应用程序搜索的应用阶段之前的训练阶段，采用应用程序相关的信息来来针对机器学习模型进行训练得到的、能够分析得出应用程序所属主题分布的模型。

在本实施例中，终端设备在通过接收的应用程序查询数据，搜索得到多个待选应用程序之后，即调用当前已经训练好的主题模型来分析得到该每一个应用程序各自的主题分布，以用于后续利用该主题分布针对该每一个应用程序按照与用户实际想搜索的应用程序的相关程度进行排序。

进一步地，在一种可行的实施例中，预设应用程序信息包括：应用程序的标题信息、类别信息和描述信息，本发明应用程序的搜索方法，还可以包括：

步骤B，调用预设爬虫程序获取应用程序的所述标题信息、类别信息和描述信息，并利用所述标题信息、类别信息和描述信息训练得到用于分析应用程序主题分布的主题模型。

在本实施例中，终端设备预先采用爬虫程序从应用市场当中爬取得到任意多个待选应用程序各自的标题信息、类别信息以及描述信息，然后，利用该应用程序各自的标题信息、类别信息以及描述信息进行机器学习训练，从而训练得到能够准确分析任意应用程序主题分布的主题模型。

需要说明的是，在本实施例中，预设爬虫程序具体可以为任意用于爬取可用数据的程序；应用程序的标题信息、类别信息以及描述信息，具体可以分别为应用程序的名称、所属类别以及简介。具体地，例如，在华为应用市场当中，“微信”这一应用程序的标题信息即为“微信”、类别信息即为“社交通讯”、描述信息即为“1、可以发语音、文字消息、表情、图片、视频。30M流量可以收发上千条语音，省电省流量。2、朋友圈、跟朋友们分享生活点滴。3、摇一摇、查看附近的人，世界不再有陌生人...”

具体地，例如，在本实施例中，请参照如图4所示的本发明实施例在训练阶段的流程架构，终端设备在被用户控制进入应用程序搜索状态之前，先启用爬虫程序从应用市场—“APP市场”当中爬取出多个待选应用程序各自的标题信息、类别信息以及描述信息等“APP信息”，然后，终端设备即将该多个待选应用程序各自的标题信息、类别信息以及描述信息等“APP信息”作为训练数据，并调用内置的主题模型训练模块利用该训练数据进行机器学习训练，从而将该机器学习训练完成之后得到的能够分析得出任意应用程序主题分布的模型确定为主题模型。如此，请继续参照如图3所示的本发明实施例在应用阶段的流程架构，在终端设备基于内置用户搜索应用程序的搜索模块，按照应用程序查询数据—“用户文本query”，从应用市场当中查找得到一些与该“用户文本query”相近的应用程序APP(Application，应用程序)作为待选应用程序，并且，已经生成该多个待选应用程序的APP初始排序之后，终端设备即进一步将调用当前已经训练完成的主题模型来分别针对该多个待选应用程序度进行分析从而得到每一个待选应用程序各自的主题分布。

进一步地，在另一种可行的实施例中，本发明应用程序的搜索方法，还可以包括：

步骤C，根据所述标题信息、类别信息和所述描述信息针对所述语音识别系统进行调优操作。

在本实施例中，终端设备在利用从应用市场当中爬取得到的多个待选应用程序各自的标题信息、类别信息以及描述信息，进行机器学习训练得到主题模型的同时，同步或者异步的根据该多个待选应用程序各自的标题信息、类别信息以及描述信息，来针对用于识别用户输入的语音的语音识别系统进行调优操作。

需要说明的是，在本实施例中，调优操作为基于应用程序的主题调整语音识别系统识别分析出对应文本的概率。具体地，例如，若应用程序的主题为“科技”，则调整语音识别系统识别出“电脑”“互联网的”概率加大，或者，若应用程序的主题为“水果”，则调整语音识别系统识别出“橘子”的概率加大。

具体地，例如，请参照如图4所示的本发明实施例在训练阶段的流程架构，终端设备在利用从应用市场中爬取出的多个待选应用程序各自的标题信息、类别信息以及描述信息等“APP信息”，来调用内置的主题模型训练模块利用该训练数据进行机器学习训练得到主题模型的过程中，终端设备同步的调用内置的语音识别系统调优模块，同样利用该多个待选应用程序各自的标题信息、类别信息以及描述信息等“APP信息”，来针对用于识别用户语音得到查询文本的语音识别系统执行调优操作，从而得到调优后的语音识别系统。

在本实施例中，通过利用应用程序的标题信息、类别信息和描述信息来针对用于识别用户语音得到查询文本的语音识别系统进行优化，从而令该语音识别系统识别用户输入的语音以转译更加准确的查询文本，进一步提升了用户通过语音输入来搜索应用程序的准确性。

步骤S300，根据所述主题分布计算各所述待选应用程序的主题打分，并根据所述质量打分和所述主题打分确定各所述待选应用程序的应用程序排序；

在本实施例中，终端设备在通过调用主题模型分析得到该多个待选应用程序各自的主题分布之后，先根据该每一个待选应用程序各自的主题分布计算得到该每一个待选应用程序各自的主题打分，然后，利用该每一个待选应用程序各自的主题打分，和已经在通过接收的应用程序查询数据，搜索得到多个待选应用程序时即爬取得到该多个待选应用程序各自的质量打分，一起计算确定出该每一个应用程序各自最终的应用程序排序。

进一步地，在一种可行的实施例中，上述步骤S300中，“根据所述主题分布计算各所述待选应用程序的主题打分”的步骤，可以包括：

步骤S301，根据所述主题分布确定所述待选应用程序的主题与所述应用程序查询数据之间的语义相似度；

步骤S302，基于所述语义相似度计算所述待选应用程序的主题打分。

在本实施例中，终端设备在根据待选应用程序的主题分布计算该待选应用程序的主题打分时，先检测确定该应用程序的主题分布所标识该应用程序的主题，与用户所输入的应用程序查询数据之间的语义相似度，然后，终端设备即按照该语义相似度计算得到于该语义相似度成正相关关系的主题打分。

具体地，例如，请参照如图3所示的本发明实施例在应用阶段的流程架构，在终端设备调用当前已经训练完成的主题模型来分别针对查找到的多个待选应用程序度进行分析，从而得到每一个待选应用程序各自的主题分布之后，终端设备随即将针对该每一个待选应用程序，检测该待选应用程序的主题分布所标识的主题(如“科技”或者“水果”等等)与预先由经过调优操作之后的语音识别系统所识别出并被作为应用程序查询数据的“用户文本query”之间的语义相似度，然后，终端设备在检测得到该待选应用程序的主题与“用户文本query”之间的语义相似度之后，直接利用该语义相似度乘以预定分数指标，从而得到每一个待选应用程序各自的主题打分，且该主题打分与各自所属应用程序主题与“用户文本query”之间的语义相似度成正相关关系，即，假定终端设备检测到当前待选应用程序的主题与“用户文本query”之间的语义相似度为80％，则，终端设备利用该语义相似度—80％乘以预定分数指标(假定为5)从而得到该当前待选应用程序的主题打分即为4分，或者，假定终端设备检测到当前另一个待选应用程序的主题与“用户文本query”之间的语义相似度为90％，则，终端设备利用该语义相似度—90％乘以预定分数指标而得到该当前待选应用程序的主题打分即为4.5分。

进一步地，在一种可行的实施例中，在上述步骤S300中，“根据所述质量打分和所述主题打分确定各所述待选应用程序的应用程序排序”的步骤，可以包括：

步骤S303，基于将所述待选应用程序的所述质量打分和所述主题打分，分别乘以质量权重和主题权重后再相加得到所述待选应用程序的需求适配打分；

需要说明的是，在本实施例中，质量权重和主题权重为基于实际应用的不同设计需要为由业务开发工作人员自主定义的权重数值，具体地，例如，该质量权重和该主题权重可以分别被设定为50％。

步骤S304，根据各所述需求适配打分的大小关系确定各所述待选应用程序的应用程序排序。

在本实施例中，终端设备在计算得到每一个待选应用程序各自的主题打分之后，进一步针对该每一个待选应用程序，分别提取出该待选应用程序的主题打分以及预先爬取的该待选应用程序的质量打分,再将该主题打分乘以主题权重以及将该质量打分乘以质量权重之后，叠加两个乘积从而得到该每一个待选应用程序各自的需求适配打分，然后，终端设备基于比较该每一个需求适配打分相互之间的大小关系，从而再按照该大小关系重新将每一个待选应用程序从大到小排列生成得到该多个待选应用程序最终的应用程序排序。

具体地，例如，请参照如图3所示的本发明实施例在应用阶段的流程架构，终端设备在应用市场中通过爬取已经搜索的多个待选应用程序各自的APP质量信息，从而爬取得到该多个待选应用程序在当前时刻的质量打分，并利用多个待选应用程序各自的主题分布所标识的主题与“用户文本query”之间的语义相似度，计算得到该多个待选应用程序各自的主题打分之后，终端设备即进一步分别提取出该多个待选应用程序中每一个待选应用程序的质量打分与主题打分，然后分别用该质量打分乘以质量权重得到第一乘积，并用该主题打分再乘以主题打分得到第二乘积，再然后将该第一乘积和第二乘积叠加得到当前待选应用程序的需求适配打分，即，假定终端设备当前从多个待选应用程序中提取出待选应用程序“微博”的质量打分为4.2、主题打分为4.0，则终端设备将该质量打分4.2乘以质量权重50％得到第一乘积2.1，并将该主题打分乘以主题权重50％得到第二乘积2.0，然后将该第一乘积2.1和第二乘积2.0叠加得到当前待选应用程序的需求适配打分4.1。

最后，终端设备在计算得到多个待选应用程序中每一个待选应用程序各自的需求适配打分之后，依次比较该每一个待选应用程序各自需求适配打分相互之间的大小，并将该需求适配打分较大的待选应用程序排列在前，而该需求适配打分较小的待选应用程序排列在后，如此重新生成该多个待选应用程序最终的应用程序排序—APP最终排序。

步骤S400，按照所述应用程序排序输出各所述待选应用程序。

在本实施例中，终端设备在利用多个待选应用程序各自的主题打分和质量打分，一起计算确定出该多个待选应用程序各自最终的应用程序排序之后，终端设备即按照该应用程序排序将该多个待选应用程序的下载安装连接进行输出，以供用户按照该应用程序排序可以直观准确的选择得到自己希望搜索并下载安装的应用程序。

具体地，例如，终端设备采用列表的形式将该多个待选应用程序按照APP最终排序，以需求适配分数越大的待选应用程序越靠前排列的显示效果，将该多个待选应用程序通过前端输出在用户控制终端设备进行应用程序搜索的用户图形界面上，从而令用户能够在该多个待选应用程序中最靠前的几个待选应用程序中即可准确选中自己希望搜索的那一个应用程序进行下载和安装等操作。

本发明在用户控制终端设备进行应用程序搜索的过程中，由终端设备通过接收用户输入的应用程序查询数据，并根据该应用程序查询数据搜索得到与该应用程序查询数据相匹配的多个待选应用程序，并且，在查询到多个待选应用程序之后，终端设备进一步获取该待选应用程序的质量打分；终端设备在通过接收的应用程序查询数据，搜索得到多个待选应用程序之后，即调用当前已经训练好的主题模型来分析得到该每一个应用程序各自的主题分布，以用于后续利用该主题分布针对该每一个应用程序按照与用户实际想搜索的应用程序的相关程度进行排序；终端设备在通过调用主题模型分析得到该多个待选应用程序各自的主题分布之后，先根据该每一个待选应用程序各自的主题分布计算得到该每一个待选应用程序各自的主题打分，然后，利用该每一个待选应用程序各自的主题打分，和已经在通过接收的应用程序查询数据，搜索得到多个待选应用程序时即爬取得到该多个待选应用程序各自的质量打分，一起计算确定出该每一个应用程序各自最终的应用程序排序；终端设备在利用多个待选应用程序各自的主题打分和质量打分，一起计算确定出该多个待选应用程序各自最终的应用程序排序之后，终端设备即按照该应用程序排序将该多个待选应用程序的下载安装连接进行输出，以供用户按照该应用程序排序可以直观准确的选择得到自己希望搜索并下载安装的应用程序。

本发明相比于现有仅在基于关键字匹配搜索应用程序后即输出该应用程序的方式，通过在基于查询数据搜索得到多个待选应用程序之后，进一步分析该各个待选应用程序的主题分布以计算主题打分，并利用该主题打分和待选应用程序的质量打分来生成多个待选应用程序的应用程序排序，如此，能够实现将与用户所输入查询数据匹配程度越高的应用程序越靠前排列，从而在按照排序输出该各个待选应用程序之后，无需用户再另外耗费大量的时间人为进行所需应用的查找，有效提升了应用程序搜索的准确性和搜索效率。

此外，请参照图5，本发明实施例还提出一种应用程序的搜索装置，所述应用程序的搜索装置包括：

搜索模块，用于根据应用程序查询数据搜索得到各待选应用程序并获取各所述待选应用程序的质量打分；

主题分析模块，用于调用预设的主题模型分析各所述待选应用的主题分布，其中，所述主题模型基于预设应用程序信息训练得到；

排序确定模块，用于根据所述主题分布计算各所述待选应用程序的主题打分，并根据所述质量打分和所述主题打分确定各所述待选应用程序的应用程序排序；

输出模块，用于按照所述应用程序排序输出各所述待选应用程序。

优选地，所述应用程序的搜索装置，还包括：

语音识别模块，用于接收查询语音并调用预设的语音识别系统针对所述查询语音进行识别以得到应用程序查询数据。

优选地，所述预设应用程序信息包括：应用程序的标题信息、类别信息和描述信息，所述应用程序的搜索装置，还包括：

模型训练模块，用于调用预设爬虫程序获取应用程序的所述标题信息、类别信息和描述信息，并利用所述标题信息、类别信息和描述信息训练得到用于分析应用程序主题分布的主题模型。

优选地，所述应用程序的搜索装置，还包括：

语音识别调优模块，用于根据所述标题信息、类别信息和所述描述信息针对所述语音识别系统进行调优操作。

优选地，所述排序确定模块，包括：

确定单元，用于根据所述主题分布确定所述待选应用程序的主题与所述应用程序查询数据之间的语义相似度；

第一计算单元，用于基于所述语义相似度计算所述待选应用程序的主题打分。

优选地，所述排序确定模块，还包括：

第二计算单元，用于基于将所述待选应用程序的所述质量打分和所述主题打分，分别乘以质量权重和主题权重后再相加得到所述待选应用程序的需求适配打分；

排序单元，用于根据各所述需求适配打分的大小关系确定各所述待选应用程序的应用程序排序。

其中，本发明应用程序的搜索装置的各功能模块在运行时所实现的步骤，可参照上述本发明应用程序的搜索方法的各个实施例，此处不再赘述。

此外，本发明实施例还提出一种终端设备，该终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的应用程序的搜索程序，该应用程序的搜索程序被所述处理器执行时实现如上述中的应用程序的搜索方法的步骤。

其中，在所述处理器上运行的应用程序的搜索程序被执行时所实现的步骤可参照本发明应用程序的搜索方法的各个实施例，此处不再赘述。

此外，本发明实施例还提出一种存储介质，应用于计算机，该存储介质可以为非易失性计算机可读存储介质，该存储介质上存储有应用程序的搜索程序，所述应用程序的搜索程序被处理器执行时实现如上所述的应用程序的搜索方法的步骤。

其中，在所述处理器上运行的应用程序的搜索程序被执行时所实现的步骤可参照本发明应用程序的搜索方法的各个实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。